随着计算机技术的不断发展,基于内容的图像检索系统在很大程度上解决了人们检索图像的困难,但是基于内容的图像检索系统采用颜色、纹理以及形状的全局特征来描述整幅图像,然而全局特征不能体现出用户感兴趣的目标区域,同时丢失了图像的很多细节信息和空间信息,检索结果可想而知。因此,基于兴趣区域匹配的图像检索系统应运而生,它不是针对图像的全局特征信息进行检索,而是针对用户感兴趣的某几个目标区域进行检索,这大大提高了图像检索的查准率和查全率。因此,它得到越来越多研究者的关注。本文对图像检索的工作流程和相关难点进行了分析,设计了兴趣区域匹配图像检索系统的架构。通过对几种经典的图像区域分割算法的深入研究,提出了一种动态区域合并的DM-Watershed分割算法。该算法由区域分割和动态区域合并组成,区域分割是在Watershed分割算法中加入目标区域标记处理,进行图像区域分割,动态区域合并根据OPTICS聚类中朝着密集区域进行扩张的思想对已分割的区域动态合并,很好地解决Watershed分割算法过分分割现象。同时采用小波变换方法对灰度突变的兴趣区域进行提取,并且提出了兴趣区域最相似匹配的相似性度量方法。本文将图像分割算法和相似性度量方法应用到图像检索系统中,并对系统的预处理、图像区域分割、兴趣区域识别、兴趣区域特征提取及相似性度量几个功能模块加以实现。实验结果证明,本系统区域分割准确,能够比较全面地检索到相关的图像,与基于全局特征图像检索系统相比大大提高了查准率与查全率。总体性能能够符合大多数相关应用的需求,有实用价值。